辛楠
关键词：涡流传感器；
深层缺陷；
定量检测；
数理统计
0引言
涡流检测技术是常用的无损检测技术的一种，能在不破坏被测试体的情况下检测其可能存在的缺陷，因此得到广泛应用。传统涡流检测通常采用圆柱形线圈，且检测线圈被包裹在激励线圈内[1]，由于检测线圈同时受到激励场与涡流场的影响，降低了检测线圈的灵敏度。同时由于圆柱形线圈在导体上的感生涡流存在自抵消现象[5]，故难以探测导体深层缺陷的信息。
而在矩形线圈的激励下，导体表面会产生一片同向流动的匀强涡流场，故不存在自抵消现象[4]。并且改变了激励线圈和检测线圈的方位，激励线圈在上，检测线圈在下，且互相垂直。这样做的好处是检测线圈受到激励场的影响会变小，同时感生涡流的变化能够更好的体现在检测线圈上[7]。
本文使用Maxwell 仿真软件对矩形线圈深层缺陷检测进行了仿真研究，并对缺陷信息做了定量分析，寻求缺陷信息与线圈检测信号幅值之间的数学关系。
1 涡流检测原理与仿真模型的建立
矩形激励线圈被放置在检测线圈的正上方，当给激励线圈加载正弦激励时，线圈周围会产生一个时变磁场，该磁场会先后穿过检测线圈和平板导体，并在导体表面感应出涡流。感生涡流会在线圈正下方一定区域内平行流动， 如图1 所示。当导体中存在缺陷时，会对感生涡流产生影响，检测线圈受到涡流场变化的影响会发生阻抗上的变化，从而实现对缺陷的检测[3]。
本文使用了Maxwell 建立了三维有限元仿真模型，采用的是自然网格剖分，在线圈和缺陷处剖分的较细，而在其他地方则剖分的较粗。如图2 所示分别为线圈和整体的剖分图。整个模型的参数如下：激励线圈内径为9 mm， 外径为15 mm，检测线圈内径2 mm，外径5 mm，平板导体的尺寸为100 mm×100 mm×25 mm，相对磁导率为1，电导率为1 300 000 Siemens/m 的金属导体，线圈均为铜制材料， 提离距离为0.2 mm。所加激励为幅值1 A，频率50 kHz 的正弦激励。
2 缺陷仿真实验
为了验证该模型能否探测导体深层缺陷的信息，在导体上挖了长40 mm，宽0.5 mm 的狭长矩形缺陷，并设置五个缺陷深度，分别为1、5、10、15、20 mm。检测线圈的提离距离设置为0.2 mm。
然后分别在不同深度缺陷下进行仿真实验，得到如图3 所示的检测线圈感应电压波形。通过对波形的观察可以发现，随着缺陷深度的加深，感应电压的幅值逐渐增加。由此可见，该模型能够探测较深层缺陷的信息。
3 定量化研究
3.1 采集信号峰值
为了增加检测结果的可靠性，并且得到信号峰值与缺陷深度之间更具代表性的数学规律，在上述实验的基础上引进了俩个变量，即检测线圈的提离和位置。在保证单变量变化的情形下，分别对检测线圈提离为0.2、0.3、0.4mm，检测线圈位置分别位于缺陷正中心，左偏1 mm，右偏1 mm 时进行的仿真研究，得到9 组仿真结果，检测信号的幅值分别如表1 所示。
3.2 正态分布研究
假设所有变量对仿真结果的影响都是随机的，所以检测信号的幅值在一定范围内是一个随机数，同一深度的缺陷幅值满足正态分布[2]，设x 为感应电压信号的幅值，正态分布的概率密度函数如下：
由正态分布的概念可知，信号幅值x 服从均值为μ ，方差为σ 的正态分布。选取概率密度峰值为最佳的检测结果，每次检测结果的幅值都会在该密度峰值左右一定范围内，并趋向于该密度峰值。所以选取概率密度峰值作为最佳检测结果，是比较合适的[3]
对表1 的数据进行均值和标准差的计算。然后根据算得的均值与标准差，使用python 的matplotlib 库可以快速的绘制幅值柱状图和正态分布曲线，如图4 所示，选取正态分布曲线峰值为最佳检测结果，并将该结果与均值、标准差共同绘制与表2。
3.3 多项式回归
通過对正态分布幅值的观察可以发现，正态分布幅值与缺陷深度之间并不是简单的线性关系。而多项式回归可以解决非线性问题，由于只有1 个因变量，故该回归问题为一元多项式回归，回归方程为：
4 定量化方法应用
经过定量化研究得到检测信号幅值与缺陷深度之间的数学关系为y = ?8.76e?7x 4 + 4.438e?5x 3?7.867 * 10?4x2+ 5.958 * 10?3+ 0.1648，为了验证该公式的准确性，对缺陷深度为4 mm时进行了仿真分析，结果如图6，信号的幅值为179.098 μV，即0.179 0 mV。将x = 4 带入式中计算， 可以得到信号幅值结果为0.178 7 mV。
5 结束语
本文使用Maxwel 仿真软件进行矩形线圈涡流仿真，验证了该模型能够探测导体深层缺陷。并利用多次试验得到的检测信号幅值，绘制正态分布图，选取正态分布曲线的峰值为最佳检测结果。采用多项式回归拟合最佳检测结果与缺陷深度之间的数学规律，在多项式达到4 阶时拟合效果较好，能够为预测缺陷深度提供一定的参考。
猜你喜欢 数理统计 《概率论与数理统计》课程思政的教学探索成才(2023年15期)2023-11-16试论数理统计在数据分析中的应用现代营销(创富信息版)(2023年1期)2023-03-22线上线下混合教学模式在概率论与数理统计课程中的应用大学教育(2022年3期)2022-05-16数学实验在概率论与数理统计中的教学应用内蒙古教育(2021年2期)2021-02-12浅谈《概率论与数理统计》课程的教学改革广东蚕业(2019年3期)2019-05-14基于数理统计方法的发动机关键零部件加工误差统计分析系统制造技术与机床(2017年11期)2017-12-18概率论与数理统计课程教学中的一些思考考试周刊(2016年46期)2016-06-24论《概率论与数理统计》教学改革与学生应用能力的培养中央民族大学学报（自然科学版）(2014年1期)2014-06-11财经类院校概率论与数理统计教学改革的探索河南科技(2014年10期)2014-02-27多媒体技术在《概率论与数理统计》教学中的应用河南科技(2014年1期)2014-02-27
